KLDivNet：一种用于多模态图像配准的无监督神经网络
计算机视觉与模式识别
2020-02-06 v2
摘要
多模态图像配准是医学图像分析中最受关注的过程之一。近年来，卷积神经网络（CNNs）在可变形配准中展现出显著潜力。然而，体素级真值的缺失给训练CNN以实现精确配准带来了挑战。在本工作中，我们提出一种基于图像变量KL散度的跨模态相似性度量，并利用CNN实现一种高效的估计方法。该估计网络称为KLDivNet，可进行无监督训练。随后我们将KLDivNet嵌入配准网络中，以实现多模态图像的无监督可变形配准。我们采用三个数据集，即AAL Brain、LiTS Liver和Hospital Liver，通过模态内与模态间图像配准任务进行验证。结果表明，我们的相似性度量有效，且所提出的配准网络相比最先进的方法具有更优性能。
引用
@article{arxiv.1908.08767,
title = {KLDivNet: An unsupervised neural network for multi-modality image registration},
author = {Yechong Huang and Tao Song and Jiahang Xu and Yinan Chen and Xiahai Zhuang},
journal= {arXiv preprint arXiv:1908.08767},
year = {2020}
}